Analyse des Points Chauds pour l'Allocation Nutritionnelle SNAP
Comment garantir que l'aide alimentaire atteigne efficacement les populations qui en ont le plus besoin ? L'analyse statistique spatiale offre une réponse objective en identifiant les clusters significatifs de participation aux programmes d'assistance, permettant ainsi une allocation des ressources basée sur des données probantes.
Dans ce projet, mon objectif était d'identifier les patterns spatiaux statistiquement significatifs de participation au programme SNAP (Supplemental Nutrition Assistance Program) à l'échelle des comtés américains, afin d'aider les décideurs à distribuer les ressources de manière plus efficiente et équitable.
Pour y parvenir, j'ai utilisé deux méthodes complémentaires de détection de patterns dans ArcGIS Pro. L'analyse Hot Spot (statistique Getis-Ord Gi*) identifie les clusters spatiaux de valeurs élevées (points chauds) et faibles (points froids). L'analyse des valeurs aberrantes (statistique Anselin Local Moran's I) détecte les clusters ainsi que les outliers spatiaux — des entités dont les valeurs diffèrent significativement de leur voisinage. J'ai testé différentes bandes de distance (200 km par défaut, puis 100 km) pour capturer des patterns à différentes échelles spatiales.
Les résultats révèlent des patterns distincts : le sud-est des États-Unis présente des clusters statistiquement significatifs de forte participation SNAP (points chauds en rouge), tandis que le centre-nord affiche des clusters de faible participation (points froids en bleu). L'analyse des outliers a également identifié des comtés atypiques méritant une attention particulière.
Technologies utilisées :
SHARE
Créer des applications et cartes pour raconter la donnée et la transformer en leviers d'action